Wenn Unternehmen nicht nur einen Teil ihrer Geschäftsprozesse mit Robotic Process Automation (RPA) optimieren wollen, sondern eine tatsächliche End-to-End-Automatisierung anstreben, führt kein Weg an dem Einsatz von künstlicher Intelligenz vorbei. Bei der Umsetzung ist ein Top-down-Ansatz das Mittel der Wahl.
RPA-Lösungen versprechen Unternehmen nicht nur eine ganzheitliche Optimierung der Wertschöpfungskette, sie bringen auch eine Reihe weiterer Vorteile mit sich: Die besonders bei der Automatisierung von standardisierten und einfachen manuellen Prozessen wirksame RPA ist unkompliziert zu implementieren und bringt einen schnellen Return on Investment. Die Anwendungen sparen Zeit und Mitarbeiter-Ressourcen, indem sie repetitive und regelbasierte Aufgaben übernehmen. Die dabei verwendeten Bots führen die Tätigkeiten mit einer geringeren Fehleranfälligkeit als ihre menschlichen Mitarbeiter aus, ihre Einsatzmöglichkeiten sind allerdings auf einfache Aufgaben beschränkt. Komplexe Prozesse setzen eine Vielzahl an RPA-Tools sowie eine flexible und an die exakten Anforderungen angepasste Strategie voraus.
Das erste erfolgreich implementierte RPA-Projekt eines Unternehmens bildet meist die Grundlage und den Startschuss für weitere Schritte. Nachdem erste einfache Aufgaben automatisiert ablaufen, sollte der Fokus darauf liegen, umfangreichere Prozesse durch Roboter abzuhandeln. Hier kommen Komponenten wie Bild- oder Spracherkennung ins Spiel, die Lösungen intelligenter machen und sie komplexere Entscheidungen treffen lassen. Die Verwendung von diesen und anderen KI-Technologien versetzt Unternehmen ebenfalls in die Lage, eine durchgängige Automatisierung der Gesamtprozesse zu erreichen – inklusive aller Systeme und unter Einbeziehung der Mitarbeiter. Die Grundlage für eine solche intelligente Automation ist daher ein RPA-Ansatz, der bei Bedarf um KI-Komponenten erweiterbar ist.
Die Umsetzung einer neuen, ganzheitlichen Intelligent-Automation-Strategie steht und fällt mit dem richtigen Change Management. Es sind die Führungskräfte, die in der Vorreiterrolle den entsprechenden Kulturwandel in das Unternehmen tragen und die Veränderungen aktiv voranbringen müssen. Zu diesem Top-down-Ansatz gehört ebenfalls eine transparente Kommunikation. Nur wenn Strukturen, Ziele und Absichten für Mitarbeiter und Abteilungen bekannt und nachvollziehbar sind, kann das Management mögliche Vorbehalte und ein Silodenken verhindern. Sollten Mitarbeiter die Strategie nicht nachvollziehen oder umsetzen können, ist die Automatisierung zum Scheitern verurteilt.
Die richtigen Strategien optimal umsetzen. Generell gilt auch bei der Umsetzung von komplexen und neuen Strategien, dass auch die längste Reise mit dem ersten, kleinen Schritt beginnt. Im Falle der Automatisierung von Gesamtprozessen bedeutet das für Unternehmen, dass sie nicht mit komplexen Projekten beginnen sollten, sondern mit der Implementierung von kleineren Anwendungen, wie etwa Chatbots. Nach den relativ einfach umsetzbaren »Low-hanging fruits« ist der Fokus auf KI-Technologien der nächste sinnvolle Schritt. Immer im Hinterkopf dabei: das angestrebte Ziel, in diesem Falle eine intelligente End-to-End-Automatisierung.
Zu Beginn eines neuen Projekts müssen zunächst die Rahmenbedingungen abgesteckt und elementare Frage beantwortet sein. Dazu gehören Aspekte wie mögliche Risiken, die Einordnung des aktuellen Standpunkts, die Definition des Ziels oder auch die Kalkulation von möglichen Einsparungen. Unvermeidbar ist dabei eine Kosten-Nutzen-Betrachtung.
Entscheidend bei dem Einsatz von KI sind auch die vorhandenen Datenmengen und ihre Qualität. Ist diese Grundlage nicht gegeben, bieten sich Alternativen wie etwa Provider-Angebote mit entsprechenden Datenmodellen an. Auch wenn diese Lösungen beispielsweise als »as-a-Service« nutzbar sind, sollten Unternehmen wissen, dass es nur wenige Anwendungen auf dem Markt gibt, die nach dem Plug-and-Play-Prinzip ohne großen Aufwand funktionieren. Bei der Auswahl der Angebote sind daher die Belege für eine erfolgreiche Implementierung genauestens mit den eigenen Anforderungen abzugleichen.
KI-Projekte setzen Expertenwissen voraus. Projekte, die auf gut Glück und Halbwissen setzen, sind nicht erfolgsversprechend. Ebenso wichtig ist die Zusammenarbeit unterschiedlicher Bereiche und die Bildung interdisziplinärer Teams. Vor allem Business und IT müssen eng kooperieren.
Die Prozessautomatisierung, RPA und KI sowie die System- und Datenintegration sind wesentliche Bestandteile einer Intelligent Automation.
Wie künstliche Intelligenz in der Praxis funktioniert. Die konkrete Verwendung von KI im Unternehmensumfeld ist grob in drei unterschiedliche Anwendungsfeldern einzuteilen: Zum einen kann eine entsprechende Lösung bei der Auswertung von Daten und Informationen unterstützen. Dafür kann sie beispielsweise Informationen lesen, Bilder erkennen und Inhalte verarbeiten, beziehungsweise auswerten. Zweitens kann eine KI-Lösung ganze Workflows oder Prozesse steuern und dabei eigenständig Entscheidungen treffen. Der dritte Anwendungsfall besteht aus dem selbstständigen Lernen und Entwickeln von Modellen und Mustern durch die KI.
Obwohl die Vorteile von RPA und KI auf der Hand liegen, stellt sich oftmals die Frage, wie ein Unternehmen den Schritt von RPA zu KI meistern kann. Ein Beispiel dafür liefert CGI mit seiner KI-basierten Hyperautomationsplattform PULSE, die über APIs eine nahtlose Integration mit vorhandenen RPA-Tools führender Hersteller unterstützt. Sie umfasst mehr als 15 KI-Modelle für unterschiedlichste Anwendungsfälle. Dazu gehören unter anderem die Klassifizierung von Dokumenten und Bildern, die Informationsextraktion, die Stimmungsanalyse, die Umwandlung von Sprache in Text und die Erkennung und Bewertung von Anomalien.
Wie Unternehmen von RPA und KI profitieren. Da RPA-Anwendungen und KI-gestützte Automatisierungen bereits in der Breite zum Einsatz kommen, finden sich etliche Use Cases in diesem Bereich.
Für das International Crime Bureau (UKICB) der britischen National Crime Agency (NCA) entwickelte CGI beispielsweise eine intelligente Automatisierungslösung, um die konsistente und exakte Verarbeitung, Verwaltung und Weitergabe von Informationen zu beschleunigen. Das UKICB verwaltet die Interpol-Umläufe wie internationale Kooperationsersuchen oder Alarmierungen, die jährlich in einer Größenordnung von rund 36.000 liegen. Seit 2018 nutzt das UKICB die CGI-Lösung für die Bearbeitung dieser Umläufe. Dadurch konnte die Fallvorbereitung und -verwaltung um rund 80 Prozent schneller abgeschlossen werden als bei einer manuellen Bearbeitung – verbunden mit einer Einsparung von 28.000 Stunden Arbeitszeit. Die Beamten haben so mehr Zeit für wertvolle nachrichtendienstliche Aufgaben und die Entscheidungsfindung gewonnen.
In einem weiteren praktischen Anwendungsbeispiel startete einer der fünf größten Automobilhersteller der Welt in Zusammenarbeit mit CGI eine unternehmensweite RPA-Initiative, die das Implementieren von mehreren hundert Bots in den nächsten Jahren vorsieht. Neben einer Effizienzsteigerung und Kostenreduzierung strebt das Projekt eine Gestaltung von Betriebsmodellen an, die über die nötige Skalierbarkeit verfügt.
Wenn Unternehmen von Intelligent Automation in Verbindung mit künstlicher Intelligenz sprechen, sollten sie dabei immer das Gesamtbild im Fokus behalten. Bei der Einführung und dem Einsatz dieser Technologien handelt es sich um strategische Herausforderungen, die es ganzheitlich zu lösen gilt. Dabei muss das Bewusstsein geschärft sein, dass das angestrebte Ziel eine End-to-End-Automatisierung ist. Einzellösungen und die Automatisierung von Silos sollten Unternehmen hingegen vermeiden – nur so können sie von dem vollen Potential und der Vielzahl an Vorteilen aus der Verbindung von RPA und KI letztendlich profitieren.
Niklas Bläsing,
Senior Consultant,
CGI Deutschland